检索结果-内蒙古大学图书馆

基于共振峰增强的语音信号共振峰频率估计

引用

计算机应用与软件 2008年第11期25卷 140-142,193页

作者：王宏潘金贵南京大学软件新技术国家重点实验室江苏南京210093 昌吉学院计算机应用研究所新疆昌吉831100

针对线性预测方法提取语音信号共振峰频率的不足,提出了一种基于共振峰增强的共振峰频率估计算法,从而在不增加运算量的情况下使共振峰频率的提取更加准确。实验结果表明,该算法在5kHz内提取前五个共振峰的性能都很好。

关键词：语音信号共振峰增强线性预测

来源：评论

学校读者我要写书评

暂无评论

基于自训练的半监督SQL注入检测算法

引用

陕西师范大学学报（自然科学版） 2021年第1期49卷 37-43页

作者：解银朋周庆博何金栋谢新志周嵩计算机软件新技术国家重点实验室南京大学计算机科学与技术系江苏南京210023 国家电网福建省电力有限公司电力科学研究院福建福州350007

针对基于监督学习的SQL注入检测方法在某些场景下不适用的问题,本文提出一种基于自训练的半监督SQL注入检测方法(self-training based semi-supervised SQL injection detection,S4ID)。S4ID首先对SQL语句进行特征提取,包括基于语法树... 详细信息

针对基于监督学习的SQL注入检测方法在某些场景下不适用的问题,本文提出一种基于自训练的半监督SQL注入检测方法(self-training based semi-supervised SQL injection detection,S4ID)。S4ID首先对SQL语句进行特征提取,包括基于语法树的模式提取和基于词袋模型的特征向量表示;然后使用基于自训练的半监督算法进行训练,通过从未标记样本中选取部分样本并打上伪标记,实现训练集的扩充,从而改善机器学习模型。实验结果表明,在有标记样本有限的情况下,S4ID可以利用未标记样本,取得比监督学习方法更好的SQL注入检测效果。

关键词： SQL注入检测自训练机器学习半监督学习

来源：评论

学校读者我要写书评

暂无评论

基于全序划分结构的开放逻辑

引用

中国科学（E辑） 1998年第6期28卷 542-549页

作者：张东摩李未南京航空航天大学计算机科学研究所南京大学软件新技术国家重点实验室南京210093 北京航空航天大学计算机系

利用全序划分结构刻画开放逻辑中知识集的可信程度 ,通过重新定义重构概念 ,解决重构操作的唯一性问题 .基于新定义的重构运算 ,证明了只要认知者对新知识不总是采取极端的怀疑态度 ,且信度改变遵循最小改变策略 ,则其认识进程均可收敛。

关键词：开放逻辑重构认识进程知识库全序划分结构

来源：评论

学校读者我要写书评

暂无评论

面向RFID动态帧时隙ALOHA协议的帧长优化

引用

计算机科学与探索 2021年第7期15卷 1227-1236页

作者：何金栋卜艳玲石聪聪谢磊国网福建省电力有限公司电力科学研究院福州350007 南京大学计算机软件新技术国家重点实验室南京210023 全球能源互联网研究院有限公司信息网络安全实验室南京210023

近年来,国家电网积极推动泛在电力物联网的建设,以实现电力系统的万物互联与优化管理。其中,射频识别技术(RFID)作为泛在电力物联网建设的核心技术,凭其价格低廉、无需电源、非视距通信、远距离通信等特点,被广泛应用于电力仓储物资管... 详细信息

近年来,国家电网积极推动泛在电力物联网的建设,以实现电力系统的万物互联与优化管理。其中,射频识别技术(RFID)作为泛在电力物联网建设的核心技术,凭其价格低廉、无需电源、非视距通信、远距离通信等特点,被广泛应用于电力仓储物资管理、电力巡检等应用场景。为了盘点电力设备仓库中的物品,需要快速识别粘贴在物品上的标签,然而由于仓库中存在大量标签,在通信过程中容易产生标签信号冲突。针对当前商用RFID系统普遍采用的符合EPCC1G2标准的动态帧时隙ALOHA协议,提出了一种新型的基于Q-learning与神经网络的帧长优化算法(记作QN-learning)。通过将动态帧长选择问题转化为马尔可夫决策过程(MDP),即观察到的状态为不同种类时隙的个数(空时隙数、单时隙数、冲突时隙数),执行的动作为设置合理的帧长,从而利用Q-learning与神经网络来自主学习帧长选择策略,基于学习到的策略可以指导系统根据最新观察选择能够实现全局最优的帧长。仿真实验结果表明,基于QN-learning算法在动态调整帧长方面表现优异,能够实现标签的有效识别,在保障高吞吐率的同时控制阅读器的询问次数,减少数据传输量。

关键词：射频识别(RFID) 动态帧时隙ALOHA 帧长优化马尔可夫决策过程(MDP) Q-learning

来源：评论

学校读者我要写书评

暂无评论

复杂内核数据结构的形式化描述和验证

引用

小型微型计算机系统 2019年第2期40卷 359-366页

作者：马顶付明乔磊冯新宇中国科学技术大学计算机科学与技术学院合肥230027 华为上海研究所2012实验室-OS内核实验室上海201206 北京控制工程研究所北京100190 南京大学计算机软件新技术国家重点实验室南京210023

对数据结构进行形式化描述是内核验证的重要组成部分,但是在实际的验证工作中,内核经常会使用一些不规则的数据结构,而对不规则数据结构的形式化定义仍存在诸多困难.针对内核中的复杂数据结构,本文提出使用结构拆分以及形状和内存分离... 详细信息

对数据结构进行形式化描述是内核验证的重要组成部分,但是在实际的验证工作中,内核经常会使用一些不规则的数据结构,而对不规则数据结构的形式化定义仍存在诸多困难.针对内核中的复杂数据结构,本文提出使用结构拆分以及形状和内存分离的方法来形式化定义内核中的不规则数据结构,并运用该方法成功刻画了某航天操作系统内核的进程管理数据结构,最终成功验证了该内核中相关API的代码.相关的代码验证工作在定理证明工具Coq中完成.

关键词：内核数据结构形式化验证分离逻辑内核验证

来源：评论

学校读者我要写书评

暂无评论

服务质量感知的云系统数据副本恢复算法

引用

计算机工程 2019年第9期45卷 17-22页

作者：徐超邓君华姜丽丽吉明涛李鑫国网江苏省电力有限公司电力科学研究院南京210008 江苏方天电力技术有限公司南京210036 南京大学计算机软件新技术国家重点实验室南京210023 南京航空航天大学计算机科学与技术学院南京211106

针对云数据中心环境下的数据副本丢失问题,提出2种服务质量感知的数据副本恢复算法。基于数据副本的分布情况,在考虑数据副本安全规则的前提下,对数据安全等级进行划分,给出分阶段数据副本恢复算法。在此基础上,依据数据冷热程度,建立... 详细信息

针对云数据中心环境下的数据副本丢失问题,提出2种服务质量感知的数据副本恢复算法。基于数据副本的分布情况,在考虑数据副本安全规则的前提下,对数据安全等级进行划分,给出分阶段数据副本恢复算法。在此基础上,依据数据冷热程度,建立数据副本稀有度模型,设计稀有度感知的分阶段数据副本恢复算法。实验结果表明,与直接数据副本恢复算法相比,所提出的算法可有效提高云数据中心的应用服务质量及数据安全保障能力。

关键词：数据中心数据管理服务质量副本分布副本恢复安全规则

来源：评论

学校读者我要写书评

暂无评论

对象式软件需求模型及其机器支撑

引用

软件学报 1998年第6期9卷 0-0页

作者：张家重王志坚伊波徐家福南京大学计算机软件研究所南京210093 南京大学计算机软件新技术国家重点实验室南京210093

为了研究需求级软件自动化技术,研制对象式软件需求分析支撑系统的需要,文章提出了一个层次化对象式软件需求模型NDHORM(Nanjing daxue hierarchical object-oriented requirements modelling),它主要包括对象关系模型、类关系模型和类... 详细信息

为了研究需求级软件自动化技术,研制对象式软件需求分析支撑系统的需要,文章提出了一个层次化对象式软件需求模型NDHORM(Nanjing daxue hierarchical object-oriented requirements modelling),它主要包括对象关系模型、类关系模型和类字典3个组成部分.文章基于对对象式需求模型的简要讨论,详细介绍了NDHORM模型的组成、层次结构及对象精化,给出了NDHORM的构模过程,最后简要介绍了NDHORM模型的机器支撑系统.

关键词：软件自动化面向对象需求分析需求模型机器支撑

来源：评论

学校读者我要写书评

暂无评论

面向国产异构系统的HPL异构协同设计

引用

计算机工程与科学 2018年第1期40卷 10-14页

作者：甘新标孙燎原刘杰雄成伟黄嘉昆国防科技大学计算机学院湖南长沙410073 计算机软件新技术国家重点实验室(南京大学) 江苏南京210093 国防科技大学量子信息研究所兼高性能计算国家重点实验室湖南长沙410073

HPL是高性能计算广泛采用的Linpack测试软件包,传统HPL算法中,求解矩阵将以块为单位循环分布到所有处理器,由于国产加速器(China Accelerator)的底层矩阵乘接口仅支持定制接口,传统HPL算法已不适合CPU+China Accelerator异构系统,因此,... 详细信息

HPL是高性能计算广泛采用的Linpack测试软件包,传统HPL算法中,求解矩阵将以块为单位循环分布到所有处理器,由于国产加速器(China Accelerator)的底层矩阵乘接口仅支持定制接口,传统HPL算法已不适合CPU+China Accelerator异构系统,因此,必须基于定制接口完成矩阵分布细致划分与封装dPEM,以提供一个通用的HPL测试配置环境;同时,为了充分发挥国产异构系统的效率,设计了异构协同矩阵乘调度算法OA4MM,以提高国产异构系统的效率。实验验证了dPEM的有效性和OA4MM算法的高效性,OA4MM较传统的异构HPL调度算法性能提升近10%。

关键词： HPL 国产加速器矩阵分布细致划分与封装异构协同矩阵乘调度

来源：评论

学校读者我要写书评

暂无评论

机器学习模型在车险欺诈检测的研究进展

引用

计算机工程与应用 2022年第5期58卷 34-49页

作者：卢冰洁李炜卓那崇宁牛作尧陈奎之江实验室杭州311121 南京邮电大学现代邮政学院南京210003 东南大学苏州联合研究生院江苏苏州215123 南京大学计算机软件新技术国家重点实验室南京210093

随着保险行业的蓬勃发展,保险欺诈问题也显得日趋严重。车险欺诈一直是保险欺诈的“重灾区”,对保险行业的发展至关重要。因此,车险欺诈检测技术一直是国内外学者研究的热点问题。鉴于我国在机动车辆保险欺诈检测技术方相对滞后,而国外... 详细信息

随着保险行业的蓬勃发展,保险欺诈问题也显得日趋严重。车险欺诈一直是保险欺诈的“重灾区”,对保险行业的发展至关重要。因此,车险欺诈检测技术一直是国内外学者研究的热点问题。鉴于我国在机动车辆保险欺诈检测技术方相对滞后,而国外的研究成果又较少对我国车险业务数据进行有效建模与分析,首次针对机器学习模型应用在车险欺诈检测的研究工作进行了文献调研,对二十多年来的研究工作进行系统化的归纳与总结。通过引入车险欺诈流程的简介,对专家系统与智能理赔系统在车险欺诈检测的流程进行了叙述;依次从国外和国内的角度介绍了机器学习模型应用在车险欺诈检测的具体研究进展,并进行了宏观的对比;基于国内某车险公司提供近5年来高质量的车险数据选取具有代表性的机器学习模型进行建模,并进行了全面的测试与分析;探讨了车险欺诈检测技术未来的研究方向。

关键词：汽车保险欺诈机器学习深度学习数据不均衡保险监管

来源：评论

学校读者我要写书评

暂无评论

基于复杂网络与PCA降维和K-Means聚类探讨治疗COVID-19组方配伍特点

引用

南京中医药大学学报 2020年第6期36卷 897-901页

作者：倪瑛张一鸣范欣生周丽萍沈俊东王崇骏南京中医药大学中医学院·中西医结合学院江苏省方剂研究重点实验室方剂高技术研究重点实验室江苏南京210023 南京大学计算机科学与技术系计算机软件新技术国家重点实验室江苏南京210023

目的探讨治疗新型冠状病毒肺炎(COVID-19)处方的组方配伍规律。方法收集国家及各省市卫生健康委、中医药管理局颁布的关于疫情确立的中医药诊疗方案,以及中英文数据库中已公开发表的相关文献,整理其中治疗新型冠状病毒肺炎的方药,运用... 详细信息

目的探讨治疗新型冠状病毒肺炎(COVID-19)处方的组方配伍规律。方法收集国家及各省市卫生健康委、中医药管理局颁布的关于疫情确立的中医药诊疗方案,以及中英文数据库中已公开发表的相关文献,整理其中治疗新型冠状病毒肺炎的方药,运用关联规则、药物复杂网络关系和基于主成分分析(PCA)降维和K-Means算法进行药物聚类,分析组方核心药物和配伍规律。结果纳入治疗方剂共639首,共涉及单味中药237味。频繁项集结果显示支持度较高的药物有甘草、杏仁、麻黄、石膏、黄芩、半夏、藿香、茯苓、陈皮、苍术、厚朴、连翘等,主要为宣降肺气药、清肺解毒药、芳香化湿药等,并形成支持度较高的药对、药组如麻黄、杏仁、石膏、黄芩配伍,茯苓、半夏、藿香、陈皮配伍等;频繁且相关结果显示,有些药对支持度不高但关联紧密,如附子、山茱萸、人参,草果、槟榔等组成的药对;复杂网络结果显示以麻黄、杏仁、石膏、甘草、黄芩为核心,与厚朴、苍术、草果、槟榔、茯苓、连翘、半夏、藿香、陈皮等形成紧密关系;聚类分析获得6类药物社团,具有清肺解毒、芳香化湿、辟秽化浊、通腑解毒祛瘀、回阳救逆、补气养阴等配伍特征。结论结合不同的数据挖掘方法可以从不同层面反映COVID-19用药与配伍特点,为中医药治疗疫病提供资料及依据。

关键词： PCA降维 K-Means算法 COVID-19 配伍规律组方用药

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：